신경망 아키텍처 KAN은 KAN 2.0 버전이라는 대규모 업그레이드를 시작했습니다. 이 업데이트는 과학 연구, 특히 고전 물리학 분야에서 KAN의 응용 기능을 크게 향상시킵니다. 연구원들은 KAN 2.0 모델을 사용자 정의하고 전문 지식을 통합하여 라그랑지안과 같은 핵심 개념 식별과 같은 물리적 시스템을 더 잘 탐색할 수 있습니다. 이는 과학 연구에서 AI 적용의 또 다른 도약을 의미하며 AI와 과학 사이에 내재된 비호환성 문제를 해결하는 새로운 방법을 제공합니다.
신경망 아키텍처 KAN은 버전 2.0을 출시했습니다. 이 업데이트를 통해 KAN은 특히 고전 물리학 연구 분야의 과학적 문제와 더욱 깊이 통합됩니다. 이제 연구자들은 자신만의 KAN2.0을 맞춤화하고 전문 지식을 모델에 통합하여 물리적 시스템의 라그랑지안과 같은 중요한 개념을 발견할 수 있습니다.
KAN2.0을 사용하면 연구자는 전문 지식을 보조 변수로 사용하여 개인의 필요에 따라 모델을 맞춤화할 수 있어 고전 물리학 연구에 대한 새로운 관점을 제공할 수 있습니다.
새로운 프레임워크 KAN2.0은 AI와 과학 사이의 본질적인 비호환성 문제를 해결하는 데 전념하고 있습니다. 과학 지식을 KAN에 통합하고 KAN에서 과학적 통찰력을 추출하는 양방향 시너지 효과를 통해 AI와 과학을 통합합니다.
KAN2.0의 세 가지 새로운 기능
MultKAN: 곱셈 노드를 도입한 KAN은 모델의 표현 능력을 향상시킵니다.
kanpiler: 기호식을 KAN으로 컴파일하여 모델의 실용성을 향상시키는 컴파일러입니다.
트리 변환기: KAN2.0 아키텍처를 트리 다이어그램으로 변환하여 모델의 해석성을 향상시킵니다.
과학적 발견에서 KAN2.0의 역할은 주로 중요한 기능 식별, 모듈 구조 공개, 상징적 공식 발견의 세 가지 측면에 반영됩니다. 이러한 기능은 원래 KAN보다 향상되었습니다.
KAN2.0의 해석성은 보다 일반적이며 기호 방정식으로 표현하기 어려운 화학, 생물학 등의 분야에 적합합니다. 사용자는 KAN2.0에 모듈식 구조를 구축하고 MLP 뉴런과 교환하여 모듈식 구조를 시각적으로 볼 수 있습니다.
연구팀은 KAN2.0을 더 큰 규모의 문제에 적용하고 물리학을 넘어 다른 과학 분야로 확장할 계획이다.
이번 연구는 중국 학자 3명을 포함해 MIT, 캘리포니아 공과대학, MIT CSAIL 및 기타 기관 소속 연구원 5명이 공동으로 완료했다. 논문의 첫 번째 저자인 Liu Ziming은 MIT의 4학년 박사과정 학생입니다. 그의 연구 관심 분야는 인공 지능과 물리학의 교차점입니다.
논문 주소: https://arxiv.org/pdf/2408.10205
프로젝트 주소: https://github.com/KindXiaoming/pykan
KAN 2.0의 출시는 학제간 분야에서 유망한 응용을 통해 과학 연구를 위한 강력하고 새로운 도구를 제공합니다. 앞으로 우리는 KAN 2.0이 더 많은 과학 분야에서 획기적인 발전을 이루고 과학적 발견의 가속화된 발전을 촉진할 것으로 기대할 수 있습니다. 이 프로젝트의 소스 코드는 오픈 소스로 공개되었으며 누구나 기여할 수 있습니다.